R绘图函数给出了奇怪的答案

我试着用R图得到一些函数的曲线。有时候，我会得到很奇怪的结果。这里有一个例子

u=c(2,2,2,2,2)
elas=function(P){
  prob=P/sum(u,P)
  return(prob)
}
plot(elas,0,6)

该代码给出如下图：

这显然是不对的。正确的代码应如下所示：

我知道如果我把代码的第三行改成

  prob=P/(sum(u)+P)

这会奏效的。但我不明白为什么我的原始代码不起作用。这是否意味着我无法绘制嵌入另一个函数的函数？

sum（u，p）

是一个值，等于

u

和

p

中所有值的总和。因此，在

elas

中，

P

get的每个值都被相同的数字除以（在您的示例中为313）

sum（u）+p

是一个向量，包含

p

的每个单独值，并向其添加

sum（u）

。所以在

elas

的第二个版本（我在下面称之为

elas2

）中，

P/（sum（u）+P）

导致

P

被

sum（u）+P

逐元素划分

考虑下面的例子

u=c(2,2,2,2,2)
x=seq(0,6,length=101)

sum(u,x)

总和（u+p）=u+p中每个值的总和

总和（u）+p=u加p中的值之和

示例：

u=c（1,2,3），p=5

sum(u+P) = (1+5) + (2+5) + (3+5) = 6+7+8 = 21
sum(u) + P = (1+2+3) + 5 = 6 + 5 = 11

为了

---

elas如果我理解正确，如果我绘制一个函数而不是一个数据帧，R仍然会首先模拟“x”，然后将x向量中的所有值放在函数中，以计算函数的值并将其存储为y。然后用x和y组成一个数据框，然后绘制数据框。但是如果我有一些函数，比如sum（x），它会对所有的x求和并使用该值，而不是每个x来计算函数值。然而，如果我真的需要一些像sum这样的函数，并且希望在计算y和绘图之前，用u和每个单独的x求和，我应该怎么做？在这个简单的例子中，我可以只写sum（u）+x，但当涉及到更复杂的函数时，我不知道如何处理它。是的<代码>绘图

在输入函数（如

elas

）时调用

曲线

函数。通过在控制台中键入

curve

，可以查看

curve

的代码。查看这一行的函数代码：

x是一个向量。如果要在x的每个元素中添加10，请执行
x+10
。如果有两个向量要逐元素相加，可以执行
x+u
。但请注意，在这种情况下，如果向量长度不相等，则较短的向量将被循环使用。例如，运行
1:7+1:3
，看看会发生什么。
sum(u) + x

  [1] 10.00 10.06 10.12 10.18 10.24 10.30 10.36 10.42 10.48 10.54 10.60 10.66 10.72 10.78
 [15] 10.84 10.90 10.96 11.02 11.08 11.14 11.20 11.26 11.32 11.38 11.44 11.50 11.56 11.62
 [29] 11.68 11.74 11.80 11.86 11.92 11.98 12.04 12.10 12.16 12.22 12.28 12.34 12.40 12.46
 [43] 12.52 12.58 12.64 12.70 12.76 12.82 12.88 12.94 13.00 13.06 13.12 13.18 13.24 13.30
 [57] 13.36 13.42 13.48 13.54 13.60 13.66 13.72 13.78 13.84 13.90 13.96 14.02 14.08 14.14
 [71] 14.20 14.26 14.32 14.38 14.44 14.50 14.56 14.62 14.68 14.74 14.80 14.86 14.92 14.98
 [85] 15.04 15.10 15.16 15.22 15.28 15.34 15.40 15.46 15.52 15.58 15.64 15.70 15.76 15.82
 [99] 15.88 15.94 16.00

par(mfrow=c(1,3))

elas=function(P) {
   P/sum(u,P)
}

dat = data.frame(x, y=elas(x), y_calc=x/sum(u,x))

plot(dat$x, dat$y, type="l", lwd=2, ylim=c(0,0.020))
plot(elas, 0, 6, lwd=2, ylim=c(0,0.020))
curve(elas, 0, 6, lwd=2, ylim=c(0,0.020))

dat$y - dat$y_calc

[1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
[43] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
[85] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

elas2 = function(P) {
  P/(sum(u) + P)
}

dat$y2 = elas2(x)

plot(dat$x, dat$y2, type="l", lwd=2, ylim=c(0,0.4))
plot(elas2, 0, 6, lwd=2, ylim=c(0,0.4))
curve(elas2, 0, 6, lwd=2, ylim=c(0,0.4))

sum(u+P) = (1+5) + (2+5) + (3+5) = 6+7+8 = 21
sum(u) + P = (1+2+3) + 5 = 6 + 5 = 11

elas <- function(P){
    prob=P/(sum(u+P)
    return(prob)
}

y <- elas(0:6)
print(y)
#output of print y:
0.00000000 0.03225806 0.06451613 0.09677419 0.12903226 0.16129032
0.19354839
plot(0:6,y)

elas <- function(P){
    prob=P/(sum(u) + P)
    return(prob)
}
y <- elas(0:6)
print(y)
#Output of print(y)
plot(0:6,y)
0.00000000 0.09090909 0.16666667 0.23076923 0.28571429 0.33333333 0.37500000